MiniMax-H3 MLX 移植版可在 Apple Silicon 上生成 15 秒带声视频

MiniMax 两天前发布 MiniMax-H3，称其为通用全模态生成系统，可输入文本、图像、音频和视频，输出最长 15 秒、含音频的视频片段。PipeNetwork 的 Python 包将其移植到 MLX，让该模型可以在 Apple Silicon 上运行。Simon Willison 在 M5 Max MacBook Pro 上跑通，下载约 115GB 模型文件，生成一段视频耗时不到 45 分钟。他提醒，若不参照 MiniMax-H3 的提示词指南指定音频方向，生成的声音可能像无意义的语音噪声。